Исследователи из «Сколтеха» разработали подход на основе машинного обучения, который позволяет быстро и с минимальными затратами определять минеральный состав сложно устроенных нефтеносных пород, включая знаменитую баженовскую свиту в Западной Сибири.
Об этом сообщила пресс-служба вуза. Значительная часть запасов нефти в России и мире сосредоточена в сланцах и других неоднородных породах, изучение которых требует множества точечных замеров и дорогостоящих лабораторных анализов. Это замедляет разведку и удорожает освоение месторождений, сообщает ТАСС.
Ученые предложили решение: использовать системы машинного обучения, обученные на тысячах предыдущих замеров, чтобы восстанавливать минералогический профиль по всей длине ствола скважины без проведения сложных исследований. Созданная цепочка алгоритмов учитывает взаимосвязи между определяемыми минералами и анализирует данные стандартных каротажных зондов, дополненных тепловыми измерениями.
Как пояснил аспирант «Сколтеха» Батырхан Гайнитдинов, добавление тепловых данных существенно повысило точность прогноза: ошибка в определении объемных долей минералов снизилась. Тестирование показало, что новый метод не уступает по точности дорогостоящим замерам, позволяя оценивать ключевые параметры пород, включая теплопроводность.
По словам профессора «Сколтеха» Дмитрия Коротеева, разработка может использоваться для быстрой интерпретации данных в процессе бурения, выделения перспективных интервалов и оптимизации методов увеличения нефтеотдачи. В конечном счете это снижает экономические затраты на разведку и разработку месторождений.
